自适应无迹卡尔曼滤波-AUKF与扩展卡尔曼滤波-EKF结合在水下航行器导航

"这篇研究论文探讨了AUKF-EKF算法在水下航行器导航系统中的应用，旨在解决由于水下环境复杂性和传感器不确定性导致的测量误差问题。通过结合自适应无迹卡尔曼滤波（AUKF）和扩展卡尔曼滤波（EKF）的优点，设计了一种新的滤波算法，以提高航行参数的实时准确度。文章通过仿真试验验证了该算法的有效性，滤波结果更接近真实值，具有良好的实时性能。" 详细说明： 在水下环境中，航行器面临复杂的环境条件和多种不确定性因素，这使得搭载在航行器上的传感器产生的测量数据存在误差。这些误差可能会影响对航行器状态的精确估计，如位置、速度和姿态等关键参数。为了克服这一问题，研究人员提出了将自适应无迹卡尔曼滤波（AUKF）和扩展卡尔曼滤波（EKF）相结合的新型滤波算法。 AUKF是一种改进的卡尔曼滤波方法，它利用无迹变换（UT）来处理非线性问题，能够更好地逼近概率密度函数，从而提高滤波的精度。而EKF是经典的处理非线性系统的滤波算法，它通过对系统模型进行线性化处理来近似非线性函数。然而，EKF在面对强非线性问题时可能会失去准确性。 论文中提出的方法将自适应估计原理融入AUKF中，增强了算法对不确定性的适应性。同时，针对系统的强非线性部分，使用AUKF进行滤波；而对于弱非线性部分，则采用EKF。这种混合策略旨在充分利用两种滤波器的优点，以优化整体滤波效果。 通过仿真试验，论文展示了AUKF-EKF算法在水下航行器导航中的优越性。试验结果表明，该算法能够提供更接近实际值的滤波输出，具有更好的滤波性能和实时性，这对于水下航行器的精确导航至关重要。 关键词涉及的领域包括水下航行器技术、滤波算法（AUKF和EKF）以及导航系统的准确性。论文的分类号TP391.9表明这属于信息技术和自动控制领域的研究，文献标识码A则表示这是一篇原创性的科学研究论文。 该研究为水下航行器的导航系统提供了新的滤波解决方案，有望提升在复杂水下环境中的定位和导航性能，对于水下探索和海洋工程具有重要意义。